BDBComp
Parceria:
SBC
Um Estudo sobre a Rotulação de Exemplos no Aprendizado Semissupervisionado Multivisão

Ígor Assis BragaEdson Takashi MatsubaraMaria Carolina Monard

O aprendizado semissupervisionado combina dados rotulados e não rotulados durante a fase de treinamento. CO-TRAINING é um algoritmo amplamente utilizado de aprendizado semissupervisionado, o qual pode ser aplicado em domínios nos quais os exemplos de treinamento são descritos por duas diferentes descrições, usando um método para combinar os classificadores relacionados a cada descrição durante o processo de rotulação. Desse modo, é importante evitar erros de rotulação durante a fase de treinamento para que o desempenho do algoritmo não degrade. Como CO-TRAINING trata ambos classificadores de modo independente, alguns exemplos podem não ser igualmente rotulados por esses classificadores. Neste trabalho, é proposto um outro método de combinação da decisão dos classificadores com o objetivo de atrasar a rotulação desse tipo de exemplos. O método proposto é ilustrado utilizando uma base de dados bastante conhecida na área.

http://www.lbd.dcc.ufmg.br/colecoes/enia/2009/044.pdf

Caso o link acima esteja inválido, faça uma busca pelo texto completo na Web: Buscar na Web

Biblioteca Digital Brasileira de Computação - Contato: bdbcomp@lbd.dcc.ufmg.br
     Mantida por:
LBD